电子处方可持续流转的方法、装置、设备及存储介质与流程

本申请涉及人工智能技术领域，尤其涉及一种电子处方可持续流转的方法、装置、计算机设备及计算机可读存储介质。

背景技术：

电子处方(electronicprescription)，是指依托网络传输，采用信息技术编程，在诊疗活动中填写药物治疗信息，开具处方，并通过网络传输至药房，经药学专业技术人员审核、调配、核对、计费，并作为药房发药和医疗用药的医疗电子文书。目前，慢性病患者存在需要持续用药，但由于慢性病患者多为老年人，多次往返医院或频繁操作电子设备线上与医生沟通来开具新的电子处方不仅麻烦，也增加了很多时间和金钱以及精力成本。

技术实现要素：

本申请的主要目的在于提供一种电子处方可持续流转的方法、装置、计算机设备及计算机可读存储介质，旨在目前慢性病患者存在需要持续用药，但多次往返医院或频繁操作电子设备线上与医生沟通来开具新的电子处方不仅麻烦，也增加了很多时间和金钱以及精力成本的技术问题。

第一方面，本申请提供一种电子处方可持续流转的方法，所述电子处方可持续流转的方法包括以下步骤：

获取区块链中用户的电子处方和身体参数；

根据预置神经网络模型，预测所述身体参数对应的第一药品信息；

基于所述电子处方和所述第一药品信息，确定是否修改所述电子处方；

若确定不修改所述电子处方，则向所述用户的设备发送提示信息。

第二方面，本申请还提供一种电子处方可持续流转装置，所述电子处方可持续流转装置包括：

获取模块，用于获取区块链中用户的电子处方和身体参数；

预测模块，用于根据预置神经网络模型，预测所述身体参数对应的第一药品信息；

确定模块，用于基于所述电子处方和所述第一药品信息，确定是否修改所述电子处方；

发送模块，用于若确定不修改所述电子处方，则向所述用户的设备发送提示信息。

第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的电子处方可持续流转的方法的步骤。

第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的电子处方可持续流转的方法的步骤。

本申请提供一种电子处方可持续流转的方法、装置、计算机设备及计算机可读存储介质，通过获取区块链中用户的电子处方和身体参数；根据预置神经网络模型，预测所述身体参数对应的第一药品信息；基于所述电子处方和所述第一药品信息，确定是否修改所述电子处方；若确定不修改所述电子处方，则向所述用户的设备发送提示信息，实现了通过用户的身体参数，快速确定用户的电子处方刻持续流转，减少了用户的问诊次数以及节省了用户的时间。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种电子处方可持续流转的方法的流程示意图；

图2为图1中的电子处方可持续流转的方法的子步骤流程示意图；

图3为图1中的电子处方可持续流转的方法的子步骤流程示意图；

图4为本申请实施例提供的另一种电子处方可持续流转的方法的流程示意图；

图5为本申请实施例提供的一种电子处方可持续流转装置的示意性框图；

图6为本申请一实施例涉及的计算机设备的结构示意框图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

本申请实施例提供一种电子处方可持续流转的方法、装置、计算机设备及计算机可读存储介质。其中，该电子处方可持续流转的方法可应用于终端设备中，该终端设备可以手机、平板电脑、笔记本电脑、台式电脑等电子设备。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参照图1，图1为本申请的实施例提供的一种电子处方可持续流转的方法的流程示意图。

如图1所示，该电子处方可持续流转的方法包括步骤s101至步骤s104。

步骤s101、获取区块链中用户的电子处方和身体参数。

用户通过设备将检测到的身体参数上传至区块链中，该区块链为医院或社区的医疗系统。设备包括移动终端和固定终端，如，手机、电脑等。用户通过血压测量仪检测当前的血压值、通过血糖测量仪检测当前的血糖值等，将检测到的血压值、血糖值等作为身体参数通过移动终端或固定终端上传至区块链中。或者，通过穿戴式设备将检测到的血压值、血糖值等身体参数自动上传至区块链中，其中，电子处方由医生或用户上传至区块链中，区块链记录用户的多份电子处方。

步骤s102、根据预置神经网络模型，预测所述身体参数对应的第一药品信息。

预先通过训练数据对神经网络模型进行训练，得到预置神经网络模型。例如，获取身体参数和对应的药品种类以及药品种类的药品剂量作为训练数据，其中，身体参数包括心跳参数、血压参数、血糖参数、血脂参数等。药品种类包括呋塞米、氢氯噻嗪、缬沙坦，坎地沙坦、卡托普利，培哚普利等。药品剂量包括呋塞米口服20-40mg(1-2片)，每日1次、氢氯噻嗪每次25-50mg，每日1-2次。通过训练数据对神经网络模型的特征向量信息进行训练，得到训练后的预置神经网络模型。调用预置神经网络模型，通过预置神经网络模型对用户的身体参数进行预测，预测用户的身体参数对应的第一药品信息，其中，第一药品信息包括第一药品种类和第一药品种类的药品剂量信息。

在一实施例中，具体地，参照图2，步骤s102包括：子步骤s1021至子步骤s1023。

子步骤s1021、将所述身体参数输入预置神经网络模型的输入层。

将用户上传的身体参数输入预置神经网络模型的输入层，身体参数包括心跳参数、血药参数、血糖参数、血脂参数等。例如，心跳参数110次/分，血压90/150等。

子步骤s1022、通过所述预置神经网络模型的隐藏层，获取所述身体参数的参数特征向量信息。

通过预置神经网络模型的隐藏层中的神经单元，获取身体参数中参数值，通过该隐藏层中的权重矩阵，获取该参数值的参数特征向量信息。通过预先待标识的训练数据，得到参数与药品信息之间的标识来训练神经网络模型的权重矩阵。通过训练后的神经网络模型的权重矩阵，在通过隐藏层中的神经单元获取到参数值时，经过权重矩阵的映射，得到该参数值的参数权重矩阵。

子步骤s1023、通过所述神经网络模型的输出层基于所述参数特征向量信息，预测所述身体参数对应的第一药品信息。

通过该神经网络模型的输出层基于权重矩阵映射的参数特征向量信息时，获取该参数特征向量信息对应药品信息。其中输出层包括药品分类器。通过该药品分类器基于该参数特征向量信息，获取该参数特征向量信息对应药品信息的概率值，将获取到对应药品信息的概率值进行比对，预测其中概率值最大的为第一药品信息，从而输出身体参数对应的第一药品信息。

步骤s103、基于所述电子处方和所述第一药品信息，确定是否修改所述电子处方。

获取电子处方中的药品种类，将电子处方中的药品种类与目标药品信息中的药品种类进行对比，从而确定是否需要重新开具电子处方。例如，获取电子处方中药品种类的数量以及目标药品种类的数量，若电子处方中药品种类的数量与目标药品种类的数量相同，则确定不需要重新开具电子处方；若电子处方中药品种类的数量与目标药品种类的数量不相同，则确定需要重新开具电子处方。

在一实施例中，具体地，参照图3，步骤s103包括：子步骤s1031至子步骤s1032。

子步骤s1031、获取所述电子处方中的第二药品信息。

获取电子处方中的第二药品信息，其中，第二药品信息包括第二药品名称、第二药品剂量信息，第二药品剂量信息包括第二药品的用量信息以及第二药品的成分含量信息等。获取电子处方信息的方式包括图像处理或文字识别等。

在一实施例中，获取所述电子处方中的第二药品信息包括：提取所述电子处方中的字体轨迹；获取与所述字体轨迹相匹配的文字、数字或字母至少一种；通过将所述文字、数字或字母进行组合，获取所述第二药品信息。

识别电子处方，提取电子处方中的字体轨迹。通过预置字体轨迹库，将提取到的字体轨迹与预置字体轨迹库进行匹配，获取与该预置字体轨迹库中相匹配的预置字体轨迹的标识。其中标识包括文字、数字、字母中的只收一种，例如，呋、塞、米、口、服、20、40、m、g、1、2、片等，将获取到的呋、塞、米、口、服、20、40、m、g、1、2、片按照位置的先后进行排序，得到呋塞米口服20-40mg1-2片。

子步骤s1032、将所述第一药品信息和所述第二药品信息进行比对，确定是否修改所述电子处方。

在获取到电子处方中的第二药品信息时，将获取到的第二药品信息与第一药品信息进行比对。若第一药品信息与第二药品信息一致，则确定不修改电子处方。例如，第一药品信息为呋塞米口服20-40mg(1-2片)，第二药品信息为呋塞米口服20-40mg(1-2片)，则确定电子处方不需要修改。若第一药品信息与第二药品信息不一致，则确定修改电子处方。例如，第一药品信息为呋塞米口服20-40mg(1-2片)，第二药品信息为呋塞米口服20-40mg(3片)，则确定电子处方需要修改；或者，第一药品信息为呋塞米口服20-40mg(1-2片)，第二药品信息为氢氯噻嗪每次25-50mg，则确定电子处方需要修改。

步骤s104、若确定不修改所述电子处方，则向所述用户的设备发送提示信息。

若确定电子处方不需要重新开具，则向用户的设备发送提示信息，发送的方式包括邮件、电话、短信等，提示信息包括文字信息、图片信息、语音信息等。该提示信息还包括是否配送药品信息等。

在本实施例中，获取区块链中用户的电子处方和身体参数，根据预置神经网络模型预测该身体参数对应的第一药品信息，将第一药品信息与电子处方中的第二药品信息进行比对，若比对一致，则确定电子处方不需要修改，并向用户的设备发送提示信息，避免用户重新线上/线下问诊，减少了慢性患者的问诊次数和节省时间。

请参照图4，图4为本申请实施例提供的另一种电子处方可持续流转的方法的流程示意图。

如图4所示，该电子处方可持续流转的方法包括步骤s201至步骤s207。

步骤s201、获取区块链中用户的电子处方和身体参数。

用户通过设备将检测到的身体参数上传至区块链中，该区块链为医院或社区的医疗系统。设备包括移动终端和固定终端，如，手机、电脑等。用户通过血压测量仪检测当前的血压值、通过血糖测量仪检测当前的血糖值等，将检测到的血压值、血糖值等作为身体参数通过移动终端或固定终端上传至区块链中。或者，通过穿戴式设备将检测到的血压值、血糖值等身体参数自动上传至区块链中，其中，电子处方由医生或用户上传至区块链中，区块链记录用户的多份电子处方。

步骤s202、根据预置神经网络模型，预测所述身体参数对应的第一药品信息。

预先通过训练数据对神经网络模型进行训练，得到预置神经网络模型。例如，获取身体参数和对应的药品种类以及药品种类的药品剂量作为训练数据，其中，身体参数包括心跳参数、血药参数、血糖参数、血脂参数等。药品种类包括呋塞米、氢氯噻嗪、缬沙坦，坎地沙坦、卡托普利，培哚普利等。药品剂量包括呋塞米口服20-40mg(1-2片)，每日1次、氢氯噻嗪每次25-50mg，每日1-2次。通过训练数据对神经网络模型的特征向量信息进行训练，得到训练后的预置神经网络模型。调用预置神经网络模型，通过预置神经网络模型对用户的身体参数进行预测，预测用户的身体参数对应的第一药品信息，其中，第一药品信息包括第一药品种类和第一药品种类的药品剂量信息。

步骤s203、获取所述电子处方中的第二药品信息。

获取电子处方中的第二药品信息，其中，第二药品信息包括第二药品名称、第二药品剂量信息，第二药品剂量信息包括第二药品的用量信息以及第二药品的成分含量信息等。获取电子处方信息的方式包括图像处理或文字识别等。

步骤s204、将所述第一药品信息和所述第二药品信息进行比对，确定是否修改所述电子处方。

在获取到电子处方中的第二药品信息时，将获取到的第二药品信息与第一药品信息进行比对。通过比对第二药品信息与第一药品信息，确定是否修改所述电子处方。第一药品信息中包括第一药品名称；第二药品信息中包括第二药品名称。

步骤s205、若所述第一药品名称与所述第二药品名称一致，则确定所述电子处方不需要重新开具。

将第一药品名称与第二药品名称进行比对，若第一药品名称与第二药品名称比对一致，则确定电子处方不需要重新开具。例如，第一药品信息为呋塞米口服，第二药品信息为呋塞米口服，则确定电子处方不需要修改。

其中，第一药品信息还包括第一药品剂量信息，其中第一药品剂量信息包括第一用量信息和药品的第一成分信息；其中，第二药品信息还包括第二药品剂量信息，其中第二药品剂量信息包括第二用量信息和药品的第二成分信息。若第一用量信息与第二药品剂量信息一致，和/或，第一成分信息与第二成分信息一致，则确定电子处方不需要修改。

例如，第一药品名称与第二药品名称一致，第一用量信息为每日1次，每次1-2片，第二用量信息为每日1次，每次1片，则确定电子处方不需要修改。和/或，第一成分信息包括地巴唑、盐酸异丙嗪、磷酸氯喹、硫酸胍生，第二成分信息包括地巴唑、盐酸异丙嗪、磷酸氯喹、硫酸胍生，则确定电子处方不需要修改。

步骤s206、若所述第一药品名称与所述第二药品名称不一致，则确定所述电子处方需要重新开具。

将第一药品名称与第二药品名称进行比对，若第一药品名称与第二药品名称比对不一致，则确定电子处方需要重新开具。例如，第一药品信息为呋塞米口服，第二药品信息为氢氯噻嗪，则确定电子处方需要修改。

步骤s207、若确定不修改所述电子处方，则向所述用户的设备发送提示信息。

若确定电子处方不需要重新开具，则向用户的设备发送提示信息，发送的方式包括邮件、电话、短信等，提示信息包括文字信息、图片信息、语音信息等。该提示信息还包括是否配送药品信息等。

步骤s208、将所述身体参数、第一药品信息以及所述电子处方发送至所述区块链中医生对应的节点处，并发送提示信息。

在确定电子处方需要重新开具，将用户的身体参数、第一药品信息以及电子处方在区块链中流向医生对应的节点处，区块链中包括医生对应的节点、患者对应的节点等，患者将身体参数上传至区块链的公共链中，首先流向预置神经网络模型处，由预置神经网络模型基于患者的身体参数，确定患者的第一药品信息，将第一药品信息流向电子处方对应的节点进行比对。比对后需要重新开具电子处方，则流向医生对应的节点，并发送提示信息，发送的方式包括邮件、电话、短信等，提示信息包括文字、图片、语音等。

在本实施例中，获取区块链中用户的电子处方和身体参数，根据预置神经网络模型预测该身体参数对应的第一药品信息，将第一药品信息与电子处方中的第二药品信息进行比对，若比对一致，则确定电子处方不需要修改，并向用户的设备发送提示信息，避免用户重新线上/线下问诊，减少了慢性患者的问诊次数和节省时间。若比对不一致，则确定电子处方需要修改，并向医生节点发送提示信息，以便及时上传用户的身体参数，提高诊疗效率。

请参照图5，图5为本申请实施例提供的一种电子处方可持续流转装置的示意性框图。

如图5所示，该电子处方可持续流转装置400，包括：获取模块401、预测模块402、确定模块403、发送模块404。

获取模块401，用于获取区块链中用户的电子处方和身体参数；

预测模块402，用于根据预置神经网络模型，预测所述身体参数对应的第一药品信息；

确定模块403，用于基于所述电子处方和所述第一药品信息，确定是否修改所述电子处方；

发送模块404，用于若确定不修改所述电子处方，则向所述用户的设备发送提示信息。

其中，预测模块402具体还用于：

将所述身体参数输入预置神经网络模型的输入层；通过所述预置神经网络模型的卷积层和池化层提取所述身体参数的参数值，获取所述参数值的特征向量信息；基于所述神经网络模型的全连层基于所述特征向量信息，预测所述身体参数对应的第一药品信息。

其中，确定模块403具体还用于：

获取所述电子处方中的第二药品信息；将所述第一药品信息和所述第二药品信息进行比对，确定是否修改所述电子处方。

其中，确定模块403具体还用于：

若所述第一药品名称与所述第二药品名称一致，则确定所述电子处方不需要重新开具；若所述第一药品名称与所述第二药品名称不一致，则确定所述电子处方需要重新开具。

其中，确定模块403具体还用于：

若所述第一药品名称的剂量信息与所述第二药品名称的剂量信息一致，则确定所述电子处方不需要重新开具。

其中，电子处方可持续流转装置还用于：

将所述身体参数、第一药品信息以及所述电子处方发送至所述区块链中医生对应的节点处，并发送提示信息。

其中，获取模块401具体还用于：

提取所述电子处方中的字体轨迹；获取与所述字体轨迹相匹配的文字、数字或字母至少一种；通过将所述文字、数字或字母进行组合，获取所述第二药品信息。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块及单元的具体工作过程，可以参考前述电子处方可持续流转的方法实施例中的对应过程，在此不再赘述。

上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图6所示的计算机设备上运行。

请参阅图6，图6为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为终端。

如图6所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。

非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种电子处方可持续流转的方法。

处理器用于提供计算和控制能力，支撑整个计算机设备的运行。

内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种电子处方可持续流转的方法。

该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

应当理解的是，处理器可以是中央处理单元(centralprocessingunit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：

获取区块链中用户的电子处方和身体参数；

根据预置神经网络模型，预测所述身体参数对应的第一药品信息；

基于所述电子处方和所述第一药品信息，确定是否修改所述电子处方；

若确定不修改所述电子处方，则向所述用户的设备发送提示信息。

在一个实施例中，所述处理器在所述根据预置神经网络模型，确定所述身体参数对应的第一药品信息实现时，用于实现：

将所述身体参数输入预置神经网络模型的输入层；通过所述预置神经网络模型的隐藏层，获取所述身体参数的参数特征向量信息；通过所述神经网络模型的输出层基于所述参数特征向量信息，预测所述身体参数对应的第一药品信息。

在一个实施例中，所述处理器在所述基于所述电子处方和所述第一药品信息，确定是否修改所述电子处方实现时，用于实现：

获取所述电子处方中的第二药品信息；将所述第一药品信息和所述第二药品信息进行比对，确定是否修改所述电子处方。

在一个实施例中，所述处理器在所述确定是否修改所述电子处方之后实现时，用于实现：

若所述第一药品名称与所述第二药品名称一致，则确定所述电子处方不需要重新开具；若所述第一药品名称与所述第二药品名称不一致，则确定所述电子处方需要重新开具。

在一个实施例中，所述处理器在；所述若所述第一药品名称与所述第二药品名称一致之后实现时，用于实现：

若所述第一药品名称的剂量信息与所述第二药品名称的剂量信息一致，则确定所述电子处方不需要重新开具。

在一个实施例中，所述处理器在确定所述电子处方需要重新开具之后实现时，用于实现：

将所述身体参数、第一药品信息以及所述电子处方发送至所述区块链中医生对应的节点处，并发送提示信息。

在一个实施例中，所述处理器在获取所述电子处方中的第二药品信息实现时，用于实现：

提取所述电子处方中的字体轨迹；获取与所述字体轨迹相匹配的文字、数字或字母至少一种；通过将所述文字、数字或字母进行组合，获取所述第二药品信息。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请电子处方可持续流转的方法的各个实施例。

其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。

进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

本发明所指区块链是电子处方和身体参数的存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。